準(zhǔn)確預(yù)測呼叫中心業(yè)務(wù)量

在以上的歷史數(shù)據(jù)中，我們不難發(fā)現(xiàn)有幾處異常情況。第一處異常出現(xiàn)在本月的第一個周末，自本月的第一個周四起呼叫量就開始下降，周五下降的幅度更大，到了第一個周六（即 7 月 4 日――美國國慶日）甚至降為 0 ，第一個周日也沒有大幅的上升。對于這種異常情況，我們應(yīng)當(dāng)做些什么呢？

原因是美國國慶日造成了呼叫量大幅下降。因此，當(dāng)我們預(yù)測下一個年度七月份呼叫量時，我們就需要將這一因素考慮進去。但是，鑒于每年的 7 月 4 日美國國慶活動是不盡相同的，故每年此日的呼叫量模型也會有所區(qū)別。如果碰到 7 月 4 日這一天恰巧在周一的話，我們可能會預(yù)測周二也會有呼叫量大幅下降的情況，而周四和周五就不會有那么大的影響了。這就是我們所說的預(yù)測需要點“藝術(shù)”了，也就是在進行預(yù)測的過程中，使用一些我們的直覺和主觀判斷。

另外一個異常情況發(fā)生在 7 月的第三個周三。我們不難發(fā)現(xiàn)，當(dāng)日的呼叫量比其他周的周三少 30 ％。對于這種差異，可能有幾種解釋：一種可能是由于斷電， ACD 未能記錄下全部的呼叫量；另一種可能是由于當(dāng)天下午發(fā)生了引入注目的事件，而使呼叫量大幅減少。但無論發(fā)生了什么，我們都需要在使用數(shù)據(jù)進行預(yù)測計算前，使這樣的數(shù)據(jù)“正?；薄?

另一方面，可能在每個月的第三個周三都會發(fā)生引起呼叫量下降的事件。假設(shè)這一數(shù)據(jù)具有一定代表性，在每個月的第三個周三都會進行 2 個小時的公司例會。這樣的話，呼叫量報告中就會考慮這一因素，并準(zhǔn)確反映當(dāng)日呼叫量。同時，這樣的數(shù)據(jù)也可用于對未來呼叫量的預(yù)測。

處理異常數(shù)據(jù)的關(guān)鍵在于首先需要確定造成異常的原因是什么。然后，假如發(fā)生了突發(fā)或一次性事件，或者未來不可預(yù)見是否再次發(fā)生的事件（類似自然災(zāi)害），我們就需要對這樣的數(shù)據(jù)進行“正?；钡恼{(diào)整，以使其能真正反映實際的呼叫量。另一方面，如果類似事件的發(fā)生形成了一定規(guī)律，并可以預(yù)測，這樣的數(shù)據(jù)就需要保留在預(yù)測數(shù)據(jù)當(dāng)中，以使預(yù)測出來的數(shù)據(jù)能夠正確反映未來事件對工作量造成的影響。（提示：重點強調(diào)的是，需要搞清每個數(shù)據(jù)異常的真正原因，并在對未來業(yè)務(wù)量進行預(yù)測時銘記在心。）

當(dāng)我們對歷史業(yè)務(wù)量數(shù)據(jù)進行了分析與調(diào)整后，我們就準(zhǔn)備好進行下一步了。

第二步：預(yù)測月呼叫量

接下來，我們將依靠未加工的數(shù)據(jù)來預(yù)測未來整月的呼叫量。在這個步驟里，我們總結(jié)出來了一些預(yù)測方法如下：

點對點預(yù)測法 － 這是最簡單的一種呼叫量預(yù)測方法，即假設(shè)未來各時間點呼叫量與過去相應(yīng)時間點呼叫量是相近的。（例如：下一年度 4 月份第一個周一的呼叫量與今年 8 月份第一個周一的呼叫量相同）這種方法存在明顯的不足，即沒有將呼叫量的走勢考慮進去。一旦采用的原始數(shù)據(jù)或歷史數(shù)據(jù)不具代表性的話，所預(yù)測出來的呼叫量數(shù)據(jù)與實際呼叫量的差距有可能會非常大，這是非常危險的。

平均值預(yù)測法 － 利用取平均值進行預(yù)測也有許多種方法，從對歷史數(shù)據(jù)進行簡單的平均，到移動平均數(shù)的方法等。最為精準(zhǔn)的取平均值方法就是加權(quán)平均方法，即越近的數(shù)據(jù)權(quán)重越高。如果過去三年中 4 月份的第一個周一的呼叫量分別為 2400 、 2500 和 2600 ：簡單平均值為 2500 ，移動平均值為 2550 （忽略最早數(shù)據(jù)）。在加權(quán)平均方法中，可能會分配 80 ％的權(quán)重給最近的數(shù)據(jù)，另外兩個早期數(shù)據(jù)各占 10 ％，這樣得到的平均值為 2570 。但是，盡管使用加權(quán)平均法所預(yù)測出來的數(shù)據(jù)最接近我們實際的預(yù)測，但這種方法仍然忽視了一點，即數(shù)據(jù)上升的走勢，這一點僅僅靠使用平均值方法是計算不出來的。

時間序列預(yù)測法 － 該方法是呼叫中心進行業(yè)務(wù)量預(yù)測的最佳方法。由于該方法需要按照各個不同時間序列進行業(yè)務(wù)量走勢的分析，因而取名時間序列預(yù)測法。依據(jù)呼叫中心業(yè)務(wù)量歷史數(shù)據(jù)，來解析不同時段業(yè)務(wù)量變化趨勢影響與規(guī)律，包括季度、月度業(yè)務(wù)量的差異。這種方法被大多數(shù)呼叫中心所采用，同時也是自動化勞動力資源管理軟件業(yè)務(wù)量預(yù)測模塊中遵循的一個基本原理。該方法基于一個基礎(chǔ)性的假設(shè)，即隨著時間變化，業(yè)務(wù)量受諸多因素的影響，而每個因素都可以被解析出來，用以預(yù)測未來業(yè)務(wù)量。

時間序列預(yù)測法的第一步就是要解析業(yè)務(wù)量走勢。這種走勢主要就是指業(yè)務(wù)量變化率，有時是上升的走勢，有時是下降的走勢。在許多呼叫中心里，走勢僅僅代表業(yè)務(wù)增長率。因此，確定一個呼叫中心年度業(yè)務(wù)量走勢，以及每月業(yè)務(wù)量變化走勢是非常重要的。

一旦確定了業(yè)務(wù)量基本走勢，下一個需要解析的就是季節(jié)性或月度之間的業(yè)務(wù)量變化規(guī)律。但是，這個步驟的確比較難處理，因為我們僅靠近 12 個月的歷史數(shù)據(jù)，是不能真正準(zhǔn)確掌握月度或季度業(yè)務(wù)量變化規(guī)律（曲線）的。請見以下月度業(yè)務(wù)量數(shù)據(jù)中的第一欄，我們發(fā)現(xiàn) 12 月與 5 月相比可以說比較忙，或者說 12 月業(yè)務(wù)量較高是因為該呼叫中心經(jīng)歷了本年度最大的業(yè)務(wù)上升走勢。

要確定季節(jié)性對業(yè)務(wù)量的影響，重要的是針對近 12 個月的業(yè)務(wù)量數(shù)據(jù)進行“趨勢分離或去勢”，換句話說，就是選擇一個月的實際業(yè)務(wù)量除以當(dāng)月季節(jié)性曲線系數(shù)，從而轉(zhuǎn)化為沒有季節(jié)性影響的邏輯業(yè)務(wù)量?！叭荨蓖瓿梢院?，我們就可以逐月地進行對比，進行正態(tài)分步或線性分析，由此來確定真正繁忙或清閑的月份。例如上述數(shù)據(jù)中，基于業(yè)務(wù)量走勢分析模型，我們會發(fā)現(xiàn) 5 月實際上要比 12 月忙，而 3 月和 4 月實際上是一年當(dāng)中業(yè)務(wù)量高峰月份。

利用時間序列分析法識別出業(yè)務(wù)量趨勢系數(shù)和業(yè)務(wù)量季節(jié)性模型，然后就可以確定具體的未來月度業(yè)務(wù)量預(yù)測。時間序列預(yù)測法是一種被推薦用于業(yè)務(wù)量預(yù)測的方法，如果能正確掌握這種方法，我們就到達 95 ％甚至更高的業(yè)務(wù)量預(yù)測準(zhǔn)確率。

第三步：創(chuàng)建日和以半小時為間隔的業(yè)務(wù)量到達模型

當(dāng)我們預(yù)測出來月度的業(yè)務(wù)量后，下一步就是將月度業(yè)務(wù)量預(yù)測分解為每日業(yè)務(wù)量預(yù)測，然后再進一步分解為按時段（一般為每小時或每半小時）的業(yè)務(wù)量預(yù)測。

要做到準(zhǔn)確預(yù)測日業(yè)務(wù)量，我們就必須計算出一周中每日的變量。許多呼叫中心在周一時都比其他時候繁忙。因此，掌握一周當(dāng)中，每日業(yè)務(wù)量占整周業(yè)務(wù)量的比重是非常重要的。

我們值得慶幸的是，確定每日預(yù)測變量無須返回到兩年的龐大歷史業(yè)務(wù)量數(shù)據(jù)中進行研究和分析。只需依據(jù)近期幾周內(nèi)具有代表性的業(yè)務(wù)量數(shù)據(jù)來確定日業(yè)務(wù)量模型就足夠了。我們可以選取幾周“清晰明朗的”業(yè)務(wù)量數(shù)據(jù)（即沒有特殊日期或節(jié)假日的正常工作周，因為有些特殊日期或節(jié)假日會歪曲正常工作日的預(yù)測變量），把周一的業(yè)務(wù)量之和與各周業(yè)務(wù)量之和做比較，然后按照這樣的方法計算出其他工作日的業(yè)務(wù)量比重。這樣，每日的業(yè)務(wù)量比重就代表當(dāng)日業(yè)務(wù)量模型。

當(dāng)日業(yè)務(wù)量預(yù)測數(shù)據(jù)出來以后，我們就可以重復(fù)上述步驟來預(yù)測一天當(dāng)中，各個時段的業(yè)務(wù)量模型。如果業(yè)務(wù)量在一天當(dāng)中均勻地分配的話，我們就很容易進行人員的安排了，但這是不現(xiàn)實的。因此，我們就需要掌握一天當(dāng)中的高峰時段和低谷時段，以及均勻時段。我們再次選取幾周“清晰的”業(yè)務(wù)量數(shù)據(jù)，以每半小時來統(tǒng)計周一業(yè)務(wù)量，并與日業(yè)務(wù)總量相比較，以創(chuàng)建周一以半小時為時段的業(yè)務(wù)量模型。重復(fù)以上步驟，來預(yù)測其他工作日基于時段的業(yè)務(wù)量模型。其結(jié)果就是以每小時或每半小時為時間間隔，來反映業(yè)務(wù)量到達的比率。這樣，我們就建立了從周一到周日，每日不同的業(yè)務(wù)量達到模型。

我們已經(jīng)通過分解歷史業(yè)務(wù)量數(shù)據(jù)和分析歷史業(yè)務(wù)量走勢，創(chuàng)建了月度、每日、每時段的業(yè)務(wù)量預(yù)測模型。但我們需要記住的是，我們不但需要預(yù)測業(yè)務(wù)量而且還需要預(yù)測處理時長。因為，要想計算出工作量、所需員工數(shù)量及制定人員排班計劃，我們就必須掌握總體業(yè)務(wù)量的情況，即業(yè)務(wù)量乘以平均處理時長得出的處理業(yè)務(wù)的總時長。由于業(yè)務(wù)處理時長與很多因素有關(guān)，如業(yè)務(wù)類型，客戶行為習(xí)慣等，所以我們要確保業(yè)務(wù)處理時長的預(yù)測能準(zhǔn)確地反映出一年當(dāng)中的工作時長、一周當(dāng)中的每日工作時長，以及每日的工作時長。

第四步：根據(jù)其他影響因素進行預(yù)測調(diào)整

給預(yù)測出的業(yè)務(wù)量進行調(diào)整是業(yè)務(wù)量預(yù)測的最后一步，也是非常重要的一步。因為，有許多因素都會影響呼叫中心的業(yè)務(wù)量。聰明的業(yè)務(wù)量預(yù)測或負責(zé)排班的人員都會充分考慮所有可能對預(yù)測結(jié)果造成影響的因素。

首先要考慮企業(yè)內(nèi)部各個部門對呼叫中心業(yè)務(wù)量所造成的影響。最明顯的一個部門就是市場營銷部，由于該部門策劃和實施的市場推廣或促銷活動，而使呼叫中心的工作量產(chǎn)生變化。因此，如果呼叫中心能定期與這樣的部門進行溝通，充分了解市場營銷計劃或?qū)艚兄行臉I(yè)務(wù)量產(chǎn)生影響的市場活動，這樣就可建立起相應(yīng)的預(yù)測假設(shè)，使預(yù)測更加精準(zhǔn)。

同時，我們還必須確保對其他潛在因素給予充分的關(guān)注。例如，新格式的帳單是否造成客戶大量的來電？企業(yè)銷售預(yù)測情況分析，是否會造成新客戶的激增進而引起呼叫中心的工作量攀升？以及物流環(huán)節(jié)發(fā)生變化是否會使呼叫量升高或降低等等。因此，呼叫中心的管理人員應(yīng)與可能影響呼叫中心業(yè)務(wù)量的部門進行定期溝通，并對預(yù)測數(shù)據(jù)進行相應(yīng)的微調(diào)或校正，這樣才能保證最終預(yù)測的準(zhǔn)確性。

來源：CCCS客服標(biāo)準(zhǔn)網(wǎng)